python - 如何使用 NEAT(增强拓扑的神经进化)进化 LSTM 模型?
问题描述
对于 LSTM 模型或任何 NN,没有关于模型应该有多少神经元/层的规则,通常你必须努力完善这些参数。但是我想知道是否有一种方法可以让 NEAT(增强拓扑的神经进化)之类的东西使模型的进化发生,并为每一代模型决定更好的架构。
NEAT-Python 包是:https ://pypi.org/project/neat-python/
所以我有两个具体问题:
- 是否可以使用 NEAT 优化 LSTM 模型的架构?(基于将通过预测功能手动提供给 NEAT 的预测准确性)
- 是否可以仅将 NEAT 用于股票预测等时间序列问题?如果是这样,与 LSTM 相比,它的效率如何?
解决方案
推荐阅读
- swift - Swift 执行 Segue 落后一步
- javascript - Vue Router 4 - 页面重新加载后重定向到 404 页面
- python - 有什么问题?错误:UnboundLocalError:分配前引用的局部变量“运算符”
- python - Numpy:只有整数标量数组可以转换为标量索引
- ruby-on-rails - Rails - 更新连接结果的属性值
- oracle - 如何将表的所有列更新为大写?
- python - Polyglot Text(i).morphemes 给出 HTTP 错误
- oracle - 如何比较 Oracle 数据库中的世纪?
- r - R:如何从具有特定条件的行中获取列的最大值
- node.js - RabbitMQ 多队列 vs 一个队列